CC BY
347
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 04-2/2017 ISSN 2410-700Х_
УДК 004.89, УДК 004.056
Цветкова Ольга Леонидовна
канд. техн. наук, доцент ДГТУ, г. Ростов-на-Дону, Российская Федерация Крепер Антон Игоревич Студент ДГТУ, г. Ростов-на-Дону, Российская Федерация E-mail: [email protected]
О ПРИМЕНЕНИИ ТЕОРИИ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В РЕШЕНИИ ЗАДАЧ ОБЕСПЕЧЕНИЯ ИНФОРМАЦИОННОЙ БЕЗОПАСНОСТИ
Аннотация
Задача разработки новых методик защиты информации является весьма актуальной областью деятельности, поскольку развитие и внедрение информационных технологий проходят параллельно с совершенствованием методов несанкционированного доступа к информации. При этом особое внимание следует обратить на интеллектуальные методы, например, искусственные нейронные сети. В работе проведен обзор наиболее актуальных угроз информационной безопасности и соответственно основных направлений использования искусственных нейронных сетей при решении задач обеспечения информационной безопасности.
Ключевые слова
Информационная безопасность, защита информации, искусственные нейронные сети.
Постановка задачи. В современном мире стремительно развиваются новые технологии, компьютеры, телефоны, планшеты и другие носители информации. Практически каждый человек хранит нужные данные на электронных носителях, а если этого не делает, то все равно его окружают информационные технологии. Именно по этим причинам на данном этапе развития общества проблема защиты информации очень актуальна. При этом конфиденциальность информации является одним из главных аспектов. Поскольку развитие информационных технологий и внедрение их в повседневную жизнь проходят параллельно с совершенствованием методов несанкционированного доступа к информации, то весьма остро стоит задача разработки новых методик защиты. При этом следует обратить внимание на интеллектуальные методы, в частности, такие как теория искусственных нейронных сетей (ИНС), достижения которой активно внедряются для решения разнообразных задач [1—3].
В работе проведен обзор основных направлений и возможностей использования искусственных нейронных сетей при решении задач обеспечения информационной безопасности (ИБ). Примеры адаптации теории ИНС для области защиты информации представлены в работах [4—7].
Сущность теории искусственных нейронных сетей. Искусственная нейронная сеть представляет собой совокупность соединенных и взаимодействующих элементов (нейронов) [8]. При этом нейроны выполнены в виде процессоров. При подаче входного сигнала на основе существующих правил комбинирования входных сигналов и правила активации на выходе нейрона формируется сигнал, который может отправляться другим нейронам по взвешенным связям. Значение весового коэффициента приводит к усилению или подавлению передаваемого сигнала.
Классы задач, решаемые ИНС, определяются тем, каким образом сеть работает и как она обучается. Существуют три способа обучения ИНС: обучение с учителем (для обучения используются эталонные наборы входных и типичных выходных данных); обучение без учителя (обучение заключается в самонастраивании сети на требуемую реакцию после предъявления эталонных входных сигналов); смешанное обучение.
В общем случае, для решения любой задачи с использованием теории ИНС необходимо выполнить следующие этапы: выбрать модель и топологию сети (число нейронов и их связи), выбрать метод обучения
_МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 04-2/2017 ISSN 2410-700Х_
сети.
Искусственные нейронные сети в решении задач обеспечения информационной безопасности.
ИНС обладают рядом особенностей и преимуществ, которые позволяют эффективно их использовать при решении задач из области ИБ:
— после проведения процесса обучения, выходной сигнал ИНС становится в некоторой степени нечувствительным к небольшим колебаниям сигналов на входе сети, что особенно важно для решения задачи распознавания образов, например, при поиске, идентификации конкретных лиц, автомобильных номер, сравнении почерков и т.д.;
— при использовании соответствующего типа сети, количества слоев, вида и количества нейронов, качества обучения, ИНС способна обратить внимание на те сведения, который являются несущественными для неинтеллектуальной системы защиты;
— в процессе обучения ИНС возможно выявление новых сведений, закономерностей, которые могут быть использованы для коррекции входных данных, топологии сети, с целью получения более эффективной защиты.
В настоящее время специалисты в области защиты информации выделяют следующие наиболее актуальные угрозы ИБ:
— постоянное совершенствование и внедрение в информационную сеть предприятия вирусного программного обеспечения;
— снижение эффективности методов защиты от спама, основанных на заданных правилах фильтрации сообщений, необходимость участия человека в процессе фильтрации;
— проблемы, возникающие при использовании биометрических способов идентификации и аутентификации, возникающие вследствие влияния на результат сканирования настроения, здоровья человека, полученных травм;
— сложности в поиске и идентификации уязвимостей ИБ, например, таких как программные закладки, «забытая» отладочная информация;
— возникновение новых способов вторжения, обнаружение которых затруднено по причине того, что большинство систем обнаружения вторжений ориентированы на работу «по шаблону»;
— простота реализации и, как следствие, распространение, частое использование DDoS-атак.
В научных работах представлен материал, содержащий разнообразные идеи и варианты использования ИНС в области ИБ [9, 10]. Подводя итоги современного уровня развития рассматриваемого вопроса, можно выделить следующие основные направления внедрения ИНС в защиту информации:
— проведение испытаний подсистем и оборудования систем защиты по требованиям информационной безопасности, моделирование возникновения и вариантов разрешения внештатных ситуаций;
— обнаружение вторжений и защита от DDoS-атак с помощью самообучающихся ИНС без постоянного вмешательства человека;
— криптографические методы защиты информации, автоматизация процессов криптоанализа, снижение временных затрат на его проведение;
— построение алгоритмов прогнозирования полученных шаблонных данных с целью выявления аномалий в активности, классификации или кластеризации операций, событий;
— биометрические методы аутентификации отпечатков пальцев, сетчатки глаза, поведенческих характеристик и т.д.
Заключение. Теория искусственных нейронных сетей представляет собой перспективную и развивающуюся область науки, возможности которой могут быть эффективно использованы для решения наиболее сложных задач обеспечения информационной безопасности, связанных с необходимостью анализа массивов данных, распознаванием образов, построением систем принятия решений.
Список использованной литературы:
1. Маршаков Д.В., Цветкова О.Л., Айдинян А.Р. Нейросетевая идентификация динамики манипулятора // Инженерный вестник Дона. — 2011. — Т. 17, № 3. — С. 379-384.
2. Айдинян А.Р., Цветкова О.Л. Методика оценки качества обучения студентов вуза с использованием нейро-
МЕЖДУНАРОДНЫЙ НАУЧНЫЙ ЖУРНАЛ «СИМВОЛ НАУКИ» № 04-2/2017 ISSN 2410-700Х
нечеткого подхода // Программные продукты и системы. - 2016. - Т. 29. - № 4. - С. 189-193.
3. Маршаков Д.В., Айдинян А.Р., Цветкова О.Л. Генерация обучающей выборки для нейросетевой модели технологических объектов и систем // Математические методы в технике и технологиях - ММТТ. - 2014. -№ 2. - С. 8-10.
4. Цветкова О.Л., Айдинян А.Р. Интеллектуальная система оценки информационной безопасности предприятия от внутренних угроз // Вестник компьютерных и информационных технологий. - 2014.-№ 8 (122). - С. 48-53.
5. Черняков П.В., Айдинян А.Р., Цветкова О.Л. Двухуровневая система оценки средств защиты компьютерной информации от утечек // Инновационная наука. - 2016. - № 3-3. - С. 140-144.
6. Сокол Д.С., Айдинян А.Р., Цветкова О.Л. Использование искусственных нейронных сетей для выбора DLP-систем // Символ науки. -2016. - № 1-2 (13). - С. 94-98.
7. Кикоть И.Р., Цветкова О.Л. Методика применения сети нечеткого вывода для комплексной оценки антивирусного программного обеспечения // Материалы конференции студентов и молодых ученых, посвященной 85-летию ДГТУ (Ростов-на-Дону, 13 мая 2015 г.) / под общ. ред. проф. А.Ф. Хлебунова. -Ростов н/Д: ДГТУ, 2015. - С. 4032-4035.
8. Хайкин С. Нейронные сети: полный курс. - М.: Издательский дом «Вильямс», 2006. - 1104 с.
9. Марков Г.А. Использование технологий нейронных сетей при решении задач информационной безопасности // Молодежный научно-технический вестник. -2014. - № 3. URL: http://sntbul.bmstu.ru/doc/717962.html (дата обращения: 15.03.2017).
10. Частикова В.А., Картамышев Д.А., Власов К.А. Нейросетевой метод защиты информации от DDoS-атак // Современные проблемы науки и образования. - 2015. - № 1-1. URL: https://www.science-education.ru/ru/article/view?id=18343 (дата обращения: 15.03.2017).
© Цветкова О.Л., Крепер А.И., 2017
УДК 622.691
Д.В. Шадлов
магистр, 2 курс, факультет ПСиЭСТТ, кафедра «Нефтепродуктообеспечение и газоснабжение», РГУ
нефти и газа (НИУ) им. И.М. Губкина
С.А. Разгонов
магистр, 2 курс, факультет ПСиЭСТТ, кафедра «Нефтепродуктообеспечение и газоснабжение», РГУ
нефти и газа (НИУ) им. И.М. Губкина
РЕАЛИЗАЦИЯ ОРГАНИЗАЦИОННО-ТЕХНОЛОГИЧЕСКИХ ПРОЦЕССОВ ОБЕСПЕЧЕНИЯ ПОПЕРЕЧНОЙ УСТОЙЧИВОСТИ ТРУБОПРОВОДОВ В СЛОЖНЫХ ИНЖЕНЕРНО-ГЕОЛОГИЧЕСКИХ УСЛОВИЯХ
Аннотация
Предложена классификация балластирующих устройств, выполнен анализ применимости балластирующих устройств в зависимости от инженерно-геологических условий строительства и разработан алгоритм выбора балластирующих устройств.
Ключевые слова Трубопровод, балластировка, инженерно-геологические условия.
В Российской Федерации создана разветвленная газотранспортная сеть, протяженность которой превышает 170 тыс.км. Значительная часть трубопроводов проложена в сложных инженерно-геологических условиях, например отдельные регионы Западной Сибири на 50-67% покрыты болотами. Длина
